transformer

🤗 Transformers: o framework de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.

Um mecanismo de inferência e atendimento de alto rendimento e eficiente em memória para LLMs

🧑‍🏫 Mais de 60 implementações/tutoriais de artigos de deep learning com anotações lado a lado 📝; incluindo transformers (original, xl, switch, feedback, vit, ...), otimizadores (adam, adabelief, sophia, ...), GANs (cyclegan, stylegan2, ...), 🎮 aprendizado por reforço (ppo, dqn), capsnet, destilação, ... 🧠

Port do modelo Whisper da OpenAI em C/C++

Caixa de ferramentas e benchmark de detecção do OpenMMLab

SGLang é um framework de atendimento de alto desempenho para grandes modelos de linguagem e modelos multimodais.

TTS de código aberto SOTA

Remoção de censura totalmente automática para modelos de linguagem

Transcrição Whisper mais rápida com CTranslate2

🏆 Uma lista classificada de bibliotecas incríveis de machine learning em Python. Atualizada semanalmente.

Coleção de artigos e projetos de código aberto do CVPR 2026

Livro teórico de Qiu Xipeng 'Redes Neurais e Aprendizado Profundo' (Livro Dente-de-leão), v2 e versão geral.

Tutorial de Deep Learning de Hung-yi Lee (recomendado pelo professor Hung-yi Lee, Apple Book), link para download em PDF: https://github.com/datawhalechina/leedl-tutorial/releases

pix2tex: Usando um ViT para converter imagens de equações em código LaTeX.

MNN: Um motor de inferência extremamente rápido e leve, testado em batalha pelo Alibaba, que potencializa LLMs on-device de alto desempenho e Edge AI.

Nano vLLM

Tutorial de Processamento de Linguagem Natural para pesquisadores de Deep Learning

RWKV (pronuncia-se RwaKuv) é uma RNN com excelente desempenho em LLM, que também pode ser treinada diretamente como um transformer GPT (paralelizável). Estamos na versão RWKV-7 "Goose". Ele combina o melhor de RNN e transformer: ótimo desempenho, tempo linear, espaço constante (sem kv-cache), treinamento rápido, comprimento de contexto infinito e sentence embedding gratuito.

Um framework para avaliação few-shot de modelos de linguagem.

Um cliente HTTP poderoso para Dart e Flutter, que suporta configurações globais, interceptadores, FormData, abortar e cancelar requisições, upload e download de arquivos, timeout de requisições, adaptadores personalizados, etc.

Kit de ferramentas de fala fácil de usar, incluindo modelo de aprendizado autossupervisionado, ASR SOTA/Streaming com pontuação, TTS de streaming com frontend de texto, sistema de verificação de locutor, tradução de fala de ponta a ponta e detecção de palavras-chave. Vencedor do prêmio NAACL2022 Best Demo.

🌸 Execute LLMs em casa, no estilo BitTorrent. Ajuste fino e inferência até 10x mais rápidos do que o offloading

FreeToken brings datacenter-scale model serving to your desktop. Run massive models locally, fast and efficiently.

Tradução de mangás/imagens, tradução com um clique de textos dentro de imagens https://cotrans.touhou.ai/ (não está mais funcionando)

Caixa de ferramentas e benchmark de segmentação semântica do OpenMMLab.

Biblioteca de segmentação de imagens fácil de usar com um excelente conjunto de modelos pré-treinados, suportando uma ampla gama de tarefas práticas em segmentação semântica, interativa, panóptica, recorte de imagem, segmentação 3D, entre outras.

Um kit de ferramentas extensível para ajuste fino e inferência de grandes modelos de fundação. Grandes modelos para todos.

BertViz: Visualize a atenção em modelos Transformer

Versão chinesa do código de treinamento do GPT2, usando o tokenizador BERT.

Uma estrutura multiagente baseada em LLM para motores de busca na web (semelhante ao Perplexity.ai Pro e SearchGPT)